使用 AVAudioEngine 的实时音频

Posted 2023-02-15

【中文标题】使用 AVAudioEngine 的实时音频

【英文标题】：Realtime Audio with AVAudioEngine

【发布时间】：2014-08-14 12:08:36

【问题描述】：

嘿嘿。我想用 Swift 中的新 AVAudioEngine 实现一个实时音频应用程序。有人对新框架有经验吗？实时应用程序如何工作？

我的第一个想法是将（处理后的）输入数据存储到 AVAudioPCMBuffer 对象中，然后让它由 AVAudioPlayerNode 播放，正如您在我的演示课程中看到的那样：

import AVFoundation

class AudioIO 
    var audioEngine: AVAudioEngine
    var audioInputNode : AVAudioInputNode
    var audioPlayerNode: AVAudioPlayerNode
    var audioMixerNode: AVAudioMixerNode
    var audioBuffer: AVAudioPCMBuffer

    init()
        audioEngine = AVAudioEngine()
        audioPlayerNode = AVAudioPlayerNode()
        audioMixerNode = audioEngine.mainMixerNode

        let frameLength = UInt32(256)
        audioBuffer = AVAudioPCMBuffer(PCMFormat: audioPlayerNode.outputFormatForBus(0), frameCapacity: frameLength)
        audioBuffer.frameLength = frameLength

        audioInputNode = audioEngine.inputNode

        audioInputNode.installTapOnBus(0, bufferSize:frameLength, format: audioInputNode.outputFormatForBus(0), block: (buffer, time) in
            let channels = UnsafeArray(start: buffer.floatChannelData, length: Int(buffer.format.channelCount))
            let floats = UnsafeArray(start: channels[0], length: Int(buffer.frameLength))

            for var i = 0; i < Int(self.audioBuffer.frameLength); i+=Int(self.audioMixerNode.outputFormatForBus(0).channelCount)
            
                // doing my real time stuff
                self.audioBuffer.floatChannelData.memory[i] = floats[i];
            
            )

        // setup audio engine
        audioEngine.attachNode(audioPlayerNode)
        audioEngine.connect(audioPlayerNode, to: audioMixerNode, format: audioPlayerNode.outputFormatForBus(0))
        audioEngine.startAndReturnError(nil)

        // play player and buffer
        audioPlayerNode.play()
        audioPlayerNode.scheduleBuffer(audioBuffer, atTime: nil, options: .Loops, completionHandler: nil)
    

但这与实时相去甚远，效率也不高。有什么想法或经验吗？而且没关系，如果你更喜欢 Objective-C 或 Swift，我很感谢所有笔记、评论、cmets、解决方案等。

【问题讨论】：

Objective-C 不推荐用于实时编程。我还不知道 Apple 在 Swift 实时编程方面采取了官方立场，但在 prod.lists.apple.com/archives/coreaudio-api/2014/Jun/…

上有一些讨论

感谢您提供的链接，但从本次讨论到现在的要点：没有人知道任何事情。 ;-) 但问题是关于新的编程语言，或者如果 Objective-C 能够实时处理，那么我如何将 AVAudioEngine 用于实时应用程序，这是 Apple 在其 WWDC14 会议号中宣传的。 502.跨度>

Objective-C 可用于编写实时音频应用程序，但在 Core Audio 的 IOProcs 中可以执行的操作有一些限制。例如，没有内存分配，没有锁，没有 Objective-C 方法调用等。参见rossbencina.com/code/… 我想在内部AVAudioEngine 在实时方法中只使用 C，我也打赌水龙头有相同的限制IOProcs.

Michael，对于缓冲区抽头，我建议使用简单明了的 C。由于 ARC、内部锁和内存分配，Swift 和 ObjC 都引入了不可预测的开销。 C 最适合用于处理缓冲区。在将数据提供给主线程进行显示时，请使用无锁循环缓冲区和 ObjC。但是你为什么要自己复制输入缓冲区呢？您可以将AVAudioEngine.inputNode 直接连接到AVAudioEngine.outputNode。

您所说的“实时”是指录制，并执行诸如绘制麦克风信号的波形之类的操作，或者将捕获的音频即时馈送到语音识别器？如果是这样，请告诉我，我会发布我的代码作为答案。

【参考方案1】：

我一直在 Objective-C 和 Swift 中尝试使用 AVAudioEngine。在我的引擎的 Objective-C 版本中，所有音频处理都完全在 C 中完成（通过缓存可通过 AVAudioPCMBuffer 获得的原始 C 样本指针，并仅使用 C 代码对数据进行操作）。表演令人印象深刻。出于好奇，我将这个引擎移植到了 Swift。对于线性播放音频文件或通过 FM 合成生成音调之类的任务，性能非常好，但只要涉及到阵列（例如，使用颗粒合成，音频部分会以非线性方式播放和操作)，对性能有重大影响。即使进行了最佳优化，CPU 使用率也比 Objective-C/C 版本高 30-40%。我是 Swift 新手，所以也许还有其他我不知道的优化，但据我所知，C/C++ 仍然是实时音频的最佳选择。另请查看 The Amazing Audio Engine。我正在考虑这个，以及直接使用旧的 C API。

如果您需要处理现场音频，那么 AVAudioEngine 可能不适合您。请参阅我对这个问题的回答：I want to call 20 times per second the installTapOnBus:bufferSize:format:block:

【讨论】：

但是：实际上我的问题与 AVAudioEngine 框架本身无关，与 Objective-C/Swift 无关。但当然，它是密切相关的。

Michael Dorner，既然你说我没有回答你的问题，在我看来我回答了，也许如果你改写一下，我可以添加一些有用的额外信息。我在空闲时间一直在解决类似的问题（用更高级别的语言用 AVAudioEngine 进行实验），并且有兴趣分享我学到的东西。

@JasonMcClinsey：您愿意发布一些代码来演示您如何使用 C 和 AVAudioPCMBuffer 进行 FM 合成吗？ （有一个名为 AVAudioUnitGenerator 的新类，听起来很有希望，但文档很薄，并说它是一个“正在开发”的 API。）

@JasonMcClinsey：我应该更具体一点：我正在寻找 Swift 代码。

@JasonMcClinsey 我很困惑.. 你的 AVAudioEngine 在 Objective-C 中运行得很好——你出于某种原因将它移植到了 Swift。然后你看到性能下降了..你责怪.. AVAudioEngine？听起来 Swift 端口是 100% 的罪魁祸首。

【参考方案2】：

我认为这可以满足您的要求：https://github.com/arielelkin/SwiftyAudio

注释掉失真，你就有了一个干净的循环。

【讨论】：

我正在通过套接字连接获取流音频缓冲区。如何使用音频引擎播放缓冲区？

【参考方案3】：

Apple 在 Swift 中的实时编码方面采取了官方立场。在 2017 WWDC session on Core Audio 中，一位 Apple 工程师说不要在实时音频回调上下文中使用 Swift 或 Objective C 方法（暗示只使用 C，或者可能是 C++ 或汇编代码）。

这是因为使用 Swift 和 Objective C 方法可能涉及没有有限延迟的内部内存管理操作。

这意味着正确的方案可能是将 Objective C 用于您的 AVAudioEngine 控制器类，但仅在 tapOnBus 块内使用（Objective C）的 C 子集。

【讨论】：

苹果当前网站上的 WWDC 视频是 developer.apple.com/videos/play/wwdc2017/501/?time=1268（“现在是实际的渲染逻辑。请注意，这部分代码是用 C++ 编写的，这是因为正如我提到的，它不是在实时上下文中使用 Objective-C 或 Swift 运行时是安全的。”）[更新：我看到 @LloydRochester 也引用了类似的部分。]

【参考方案4】：

据苹果公司在 WWDC2017 上的What's New in Core Audio Video 大约 19:20 表示，工程师表示从实时环境来看，使用 Swift 是“不安全的”。从成绩单中发布。

现在，因为引擎的渲染是实时发生的 上下文，您将无法使用离线渲染 Objective-C 或 我们在演示中看到的 Swift 元数据。

那是因为，使用 Objective-C 或 Swift 并不安全 来自实时上下文的运行时。因此，相反，引擎本身 为您提供可以搜索和缓存的渲染块，然后 稍后使用此渲染块实时渲染引擎 语境。接下来是——要做的就是设置你的输入节点 您可以将输入数据提供给引擎。在这里，你 指定您将提供的输入格式，这可以是 与输出不同的格式。你还提供了一个块 引擎会在需要输入数据时调用。当这 块被调用，引擎会告诉你有多少 它实际需要的输入帧。